基于多模态医学影像技术的急性视网膜动脉阻塞病变自动诊断与分析

Acute retinal artery occlusive disorders (ARAODs) are a type of severe causes of vision loss in ophthalmologic emergency. ARAODs have four sub-types, which should be distinguishingly diagnosed and treated. The recent ophthalmic imaging techniques, such as optical coherence tomography (OCT) and fundus imaging etc, provide a great help for the diagnosis and treatment of ARAODs. However, most of the ophthalmologists have heavy workload to manually measure various parameters for the pathological changes of the retinal, which is subjective and difficult to ensure accuracy and consistency, and especially difficult for 3D imaging data analysis. This research is to develop and validate a 3D OCT and 2D fundus imaging based automatic ARAODs computer aided diagnosis system, which can quantitatively analyze various lesion ingredients in ARAODs and classify ARAODs into four sub-types using the features extracted from the multi-modality retinal imaging data. This study is an interdisciplinary research, which tightly integrates the ophthalmic clinical practice and computer engineering. The 3D automatic image enhancement, image registration, image segmentation, feature extraction and pattern recognition are fully applied to clinical ARAODs diagnosis. Our objective is to improve the existing diagnosis and analysis level for ARAODs disease, and to explore new methods and technologies.

急性视网膜动脉阻塞病变（Acute Retinal Artery Occlusive Disorders，ARAODs）是严重损害视力的一类眼科急症，应区别诊断和对症治疗四种不同子类。眼科影像技术如光学相干层析（Optical Coherence Tomography，OCT）、眼底造影等，为ARAODs的临床诊断和治疗提供了重要辅助。但目前视网膜参数的测量和分析主要依靠眼科医生的手动操作，工作量大，主观性强，难以全面分析三维扫描的大量数据。本课题拟采用图像处理和模式识别等技术，对临床采集的ARAODs三维OCT和眼底彩照数据进行处理和分析，建立一套ARAODs自动诊断与分析系统，自动检测和定量分析ARAODs的多种病变成分，融合多模态医学影像特征分类识别ARAODs的四种子类，结合临床分析验证与完善系统的性能。本课题旨在提高现有ARAODs疾病的诊断和分析水平，探索新方法和新技术。

自动、精确地分类识别视网膜动脉阻塞等疾病的类型并精确分割病变区域，能有效帮助医生进行分类诊断及治疗，对病人的视力恢复具有重大意义，可促进对视网膜病变发生、发展的病理分析和研究。. 本项目总体按照计划书中的年度计划开展研究，较好地完成了各项研究目标。形成了主要针对视网膜动脉阻塞病变、可推广至其他多种视网膜疾病的一系列基于相关断层成像（Optical Coherence Tomography，OCT）、眼底彩照、荧光显微图像等医学影像处理与分析算法，包括图像预处理、病变视网膜分层、病变区域检测与分割、视网膜病变分类与筛查、病变发展建模与预测、视网膜细胞分割等方面。. 在图像去噪、增强、配准等方面提出了适用于三维OCT图像、眼底彩照以及荧光显微图像的预处理算法，可提高后续算法的准确率与效率。研究了基于图搜索、图割等的分割方法，提出了一系列新的代价函数及约束条件用于视网膜层次分割。形成了一系列将机器学习与图论方法相结合、将视网膜分层和视网膜动脉阻塞等多种病变区域分割相结合的自动分割和检测方法，包括视网膜分支动脉阻塞病变区域分割、光感受器椭球区缺失检测、囊样水肿分割、微血管瘤分割、色素上皮脱离区域分割、视网膜细胞分割与计数等，性能优于现有相关算法，能够提供病变区域的定量分析指标。提出了基于AdaBoost分类器的正常视网膜与视网膜中央动脉阻塞（Central Retinal Artery Occlusion，CRAO）急性期、CRAO萎缩期、视网膜分支动脉阻塞（Branch Retinal Artery Occlusion，BRAO）急性期和BRAO萎缩期的精确分类方法。提出了基于视网膜OCT图像的脑垂体瘤自动筛查方法。提出了基于反应扩散模型的脉络膜新生血管病变发展的建模与预测。提出了基于形状分类的视网膜细胞分割与计数方法。. 本项目共发表SCI（E）检索期刊论文11篇，EI检索会议论文10篇；项目执行期间申请国家发明专利10项，已授权2项，获软件著作权4项；培养硕士研究生9人，其中6人已毕业；举办学术会议2次，会议共邀请40余位国内、外专家作特邀报告；项目组成员参加国际会议2人次，参加国内会议27人次。